Охлаждение с помощью материала с фазовым переходом для зарядки электровелосипедов от солнечных батарей

На сайте инверторы ру, вы можете купить аккумулятор FIAMM 12FGL120

Исследователи из Индонезии разработали метод охлаждения с помощью материала с фазовым переходом, усиленного наночастицами, для зарядных станций электровелосипедов от солнечных батарей. Метод сочетает в себе метаанализ, экспериментальное тестирование и прогнозирование с помощью искусственной нейронной сети.

Исследователи из Университета Селакас Марет в Индонезии изучили возможность использования материалов с фазовым переходом, усиленных наночастицами (NePCM), для пассивного охлаждения фотоэлектрических модулей, используемых в зарядных станциях для электровелосипедов. Исследование включает в себя систематический метаанализ, экспериментальную оценку и прогнозирование на основе искусственной нейронной сети (ИНС).

«В тропических регионах, таких как Индонезия, температура окружающей среды часто превышает 30 °C, а уровень солнечного излучения достигает примерно 4,76 кВт·ч/м²/день, что создает условия для интенсивного накопления тепла в фотоэлектрических модулях, — заявили исследователи. — Как следствие, управление температурным режимом стало важнейшим аспектом поддержания стабильной работы фотоэлектрических систем, особенно в инфраструктуре зарядки от солнечных батарей».

Они добавили, что, в отличие от предыдущих исследований, которые в основном фокусировались на отдельных экспериментальных оценках, их работа включала в себя количественный анализ фактических данных для выбора материалов перед их экспериментальным внедрением. По их словам, полученные результаты стали структурированной основой для разработки передовых гибридных систем охлаждения на основе фотоэлектрических элементов и материалов с фазовым переходом, специально предназначенных для инфраструктуры общественных зарядных станций для электромобилей (PEVCS).

Материалы с фазовым переходом (МФП) могут поглощать, накапливать и отдавать большое количество скрытой теплоты в определенных температурных диапазонах. Они часто использовались в исследовательских целях для охлаждения фотоэлектрических модулей и накопления тепла.

Систематический метаанализ на основе PRISMA начался с отбора 371 публикации, из которых для анализа были отобраны 30 статей. Команда исследователей оценила влияние различных типов наночастиц, их концентраций и матриц на основе терморегулирующих материалов на эффективность охлаждения. Анализ показал, что терморегулирующие материалы с наночастицами повышают теплопроводность в среднем на 26,94 % и снижают рабочую температуру фотоэлектрических систем на 16,33 °C. Эти результаты позволили выбрать для экспериментальной проверки терморегулирующий материал на основе соевого воска, содержащий 5 % наночастиц кремния по массе.

На этапе экспериментальной проверки исследователи создали лабораторную зарядную станцию для электровелосипеда с использованием фотоэлектрических элементов. В ней был установлен монокристаллический фотоэлектрический модуль мощностью 50 Вт, интегрированный с соевым воском на биологической основе, содержащим 5 % по массе наночастиц кремния. Модуль был подключен к литий-ионному аккумулятору, контроллеру заряда от солнечной энергии, инвертору и нагрузке для зарядки электровелосипеда. Прототип тестировался на открытом воздухе в Индонезии в течение января 2026 года.

Испытания показали, что наноструктурированный материал с фазовым переходом (NePCM) снизил среднюю температуру фотоэлектрического модуля на 6,8 °C, сохранив стабильную электрическую мощность на уровне 29,27 Вт.

Затем на основе 720 часов эксплуатационных данных была разработана модель искусственной нейронной сети (ИНС), при этом 80 % данных было выделено для обучения, а 20 % — для тестирования. Модель использовалась для прогнозирования выработки и потребления солнечной энергии. Модель генерации показала высокую эффективность: коэффициент детерминации (R²) составил 0,997, средняя абсолютная ошибка (MAE) — 0,61 Вт, а среднеквадратическая ошибка (RMSE) — 1,06 Вт, что указывает на близкое соответствие между прогнозируемой и измеренной фотоэлектрической мощностью.

В то же время модель потребления электроэнергии показала меньшую точность: коэффициент детерминации составил 0,307, средняя абсолютная ошибка — 54,19 Вт, а среднеквадратическая ошибка — 71,94 Вт.

Исследователи объяснили, что относительно низкое значение коэффициента детерминации — статистической меры, показывающей, насколько точно прогнозы модели соответствуют наблюдаемым данным, — указывает на то, что на потребление электроэнергии влияют дополнительные внешние факторы, которые не были полностью учтены в текущем наборе входных данных, в том числе модели поведения пользователей и различия в графиках зарядки. Они добавили, что будущие модели прогнозирования могут выиграть от включения дополнительных переменных, связанных с активностью пользователей, временными паттернами зарядки и характеристиками эксплуатационного спроса.

Исследователи пришли к выводу, что, несмотря на незначительное улучшение характеристик фотоэлектрических элементов, стабильное терморегулирование, обеспечиваемое нанокомпозитами с фазовым переходом, демонстрирует возможность применения стратегий пассивного охлаждения на основе материалов с фазовым переходом. Они отметили, что сочетание систем терморегулирования с интеллектуальными моделями прогнозирования может стать важным элементом в разработке адаптивных фотоэлектрических энергетических систем.

Результаты исследования были представлены в статье «Повышение эффективности фотоэлектрических систем зарядки электровелосипедов: роль материалов с фазовым переходом, усиленных наночастицами, и предиктивного нейросетевого моделирования», опубликованной в Next Energy.